关于tbl_summary分位数计算算法类型及自定义的技术问询

1. 默认采用的分位数算法类型 #

尽管tbl_summary参考文档提到{p##}语法对应quantile(probs=0.##, type=2)，但实际测试结果表明：默认情况下tbl_summary使用的是stats::quantile的默认type=7算法。

用你提供的测试数据验证：

data <- data.table::data.table(values = c(120, 120, 140, 210))

tbl_summary(
    data,
    type = list(values ~ 'continuous'),
    statistic = list(values ~ "{p75}"),
    digits = everything() ~ 1
)

输出的75分位数为157.5，和stats::quantile(data$values, probs=0.75)（默认type=7）的结果完全一致，而非type=2算法得出的175。这说明文档中的示例描述存在偏差，实际默认行为是沿用stats::quantile的默认参数配置。

2. 修改分位数计算的type参数 #

可以通过自定义统计函数实现，绕过默认的{p##}语法，直接调用指定type的quantile函数：

基础实现示例 #

# 自定义分位数计算函数，指定type参数
custom_quantile <- function(x, probs, type = 2) {
  stats::quantile(x, probs = probs, type = type, na.rm = TRUE)
}

# 在tbl_summary中调用自定义函数
tbl_summary(
  data,
  type = list(values ~ "continuous"),
  statistic = list(
    values ~ c(
      "P25 = {custom_quantile(., probs=0.25, type=2)}",
      "P75 = {custom_quantile(., probs=0.75, type=2)}"
    )
  ),
  digits = everything() ~ 1
)

运行后会得到type=2算法下的分位数结果（P25=120，P75=175），满足小样本下IQR报告的需求。

封装简化（批量输出IQR） #

如果需要直接输出IQR格式的结果，可以封装更简洁的函数：

# 封装返回type=2算法的IQR结果
iqr_type2 <- function(x) {
  q <- stats::quantile(x, probs = c(0.25, 0.75), type = 2, na.rm = TRUE)
  paste0(q[1], " (", q[2], ")")
}

# 直接调用封装函数
tbl_summary(
  data,
  type = list(values ~ "continuous"),
  statistic = list(values ~ "{iqr_type2(.)}"),
  digits = everything() ~ 1
)

输出结果会直接显示120 (175)，符合医学/统计领域常见的IQR报告格式。

内容的提问来源于stack exchange，提问作者Chris Rowland